[CVPR 2020] 웨이모-우버 새로운 자율주행 기술 공개
웨이모와 우버가 ‘CVPR 2020’ 컴퓨터 비전 및 패턴 인식 컨퍼런스에서 자율 주행 워크숍에서 자율 주행 시스템의 신뢰성과 안전성을 향상하는 연구를 발표했다.
21일 벤처비트에 따르면 웨이모(Waymo) 수석 과학자 드라고 엔구엘로브(Drago Anguelov)는 장면 지오메트리, 의미 및 역학을 다루는 카메라 및 거리 중심 프레임 워크 ViDAR을 자세히 설명했다. 우버(Uber)의 ATG(Advanced Technologies Group)는 차량 간 통신을 활용해 탐색, 교통 모델링 등을 수행하는 기술을 시연했다.
ViDAR
웨이모와 구글(Google)의 여러 AI 연구소 중 하나인 구글 브레인(Google Brain)과의 공동 프로젝트 ViDAR은 움직임에서 구조를 추론한다. 움직임 시차의 변화인 모션 시차를 활용해 이미지 시퀀스, 즉 자동차 장착 카메라로 캡처한 프레임에서 3D 지오메트리를 학습한다. 한 쌍의 이미지와 라이더 데이터가 주어지면 ViDAR은 미래 카메라 시점과 깊이 데이터를 예측할 수 있다.
ViDAR은 셔터 타이밍을 사용해 롤링 셔터를 설명한다. 장면의 일부를 동시에 기록하지 않는 카메라 캡처 방법이다. 이는 핸드 헬드 촬영 또는 움직이는 차량에서 촬영할 때 “젤로 효과(jello effect)”를 담당한다. 최대 5 대의 카메라를 지원할뿐만 아니라 완화 단계를 통해 프레임 워크는 더 빠른 속도로 변위를 피하면서 정확도를 향상시킬 수 있다.
ViDAR은 Waymo 내부적으로 사용돼 최첨단 카메라 중심의 깊이, 예를 들어 모션 (장면을 기준으로 카메라의 움직임을 추정) 및 다이내믹 모델을 제공한다. 그 결과 카메라 이미지로부터 깊이를 추정하는 모델과 보행자(보행자 포함)가 진행할 방향 장애물을 예측하는 모델이 만들어졌다.

우버 V2VNet
우버 ATG 연구원은 자율 주행 자동차가 무선으로 정보를 효율적으로 공유할 수 있도록하는 V2VNet이라는 시스템을 만들었다. V2VNet을 사용하여 네트워크 내 차량은 데이터 세트, 타임 스탬프 및 위치 정보가 포함 된 메시지를 교환해 AI 모델의 시간 지연을 보상하고 데이터 세트에서 관련 데이터(라이더 센서 판독값 등)를 지능적으로 선택한다.
V2VNet의 성능을 평가하기 위해 ATG는 리더 시뮬레이터 시스템을 사용해 대규모 차량 대 차량 코퍼스를 컴파일했다. 특히, 팀은 최대 7대의 차량 관점에서 시뮬레이션한 실제 레이더 스윕(총 46,796 건의 훈련 및 4,404 개의 검증 프레임)에서 5,500 개의 로그를 재구성했다.
여러 실험 결과 V2VNet의 단일 차량에 비해 오류율이 68 % 낮았다. 네트워크에 있는 차량 수가 많을수록 성능이 향상됐다. 원거리 및 근접 물체 및 고속 주행 차량에 대한 대폭 개선을 보여준다. V2VNet이 실제 자동차에 채택될 것인지는 확실하지 않지만 우버 라이벌 웨이모의 무인 크라이슬러 퍼시피카 미니밴은 위험에 관한 정보와 이중 모뎀을 통해 경로 변경을 무선으로 교환한다.

David is the Editor of The Science Monitor. Drawing on extensive experience as the Republic of Korea (ROK) Navy officer, he provide in-depth analysis at the intersection of science, technology, global security, geopolitics, and maritime strategy.
Contact: navy@scimonitors.com | LinkedIn








![[기획2]엔비디아 Isaac·GR00T, 로봇 AI 플랫폼 패권 경쟁](https://scimonitors.com/wp-content/uploads/2026/11/jetson-thor-1-1536x864-png-150x150.webp)